Move the snapshots to baidu cloud and refine README.md (PaddlePaddle#39)

PaddleLite-armlinux-demo/enable-camera-on-raspberry-pi.md

@@ -8,7 +8,7 @@
 
 将树莓派断电后，将摄像头如下图安装在树莓派上。
 
-![](../doc/enable_camera_on_raspberry_pi_step0.png)
+![](https://paddlelite-demo.bj.bcebos.com/doc/enable_camera_on_raspberry_pi_step0.png)
 
 ## 3、配置
 
@@ -21,19 +21,19 @@ sudo raspi-config
 
 1. 选择 `Interfacing Options`
 
-![](../doc/enable_camera_on_raspberry_pi_step1.png)
+![](https://paddlelite-demo.bj.bcebos.com/doc/enable_camera_on_raspberry_pi_step1.png)
 
 2. 选择 `Camera`
 
-![](../doc/enable_camera_on_raspberry_pi_step2.png)
+![](https://paddlelite-demo.bj.bcebos.com/doc/enable_camera_on_raspberry_pi_step2.png)
 
 3. 点击 `Yes`
 
-![](../doc/enable_camera_on_raspberry_pi_step3.png)
+![](https://paddlelite-demo.bj.bcebos.com/doc/enable_camera_on_raspberry_pi_step3.png)
 
 4. 点击 `Ok`
 
-![](../doc/enable_camera_on_raspberry_pi_step4.png)
+![](https://paddlelite-demo.bj.bcebos.com/doc/enable_camera_on_raspberry_pi_step4.png)
 
 5. 之后重启树莓派
 

README.md

@@ -3,11 +3,13 @@
 
 ## 功能
 * iOS示例:
-    * 静态图像目标分类和视频流目标分类；
-    * 静态图像目标检测、相机拍照目标检测、相机视频流目标检测;
+    * 基于MobileNetV1的图像分类（支持视频流）；
+    * 基于MobileNetV1-SSD的目标检测（支持视频流）;
 * Android示例:
     * 基于MobileNetV1的图像分类；
     * 基于MobileNetV1-SSD的目标检测；
+    * 基于Ultra-Light-Fast-Generic-Face-Detector-1MB的人脸检测；
+    * 基于DeeplabV3+MobilNetV2的人像分割；
 * ARMLinux示例:
     * 基于MobileNetV1的图像分类；
     * 基于MobileNetV1-SSD的目标检测；
@@ -20,7 +22,7 @@
 
 * Android
     * Android Studio 3.4
-    * Android手机或开发版，NPU功能暂时只在麒麟810和990芯片的华为手机（如Nova5系列）进行了测试，使用前请将EMUI更新到最新版本；
+    * Android手机或开发版，NPU的功能暂时只在nova5、mate30和mate30 5G上进行了测试，用户可自行尝试其它搭载了麒麟810和990芯片的华为手机（如nova5i pro、mate30 pro、荣耀v30，mate40或p40，且需要将系统更新到最新版）；
 
 * ARMLinux
     * RK3399（[Ubuntu 18.04](http://www.t-firefly.com/doc/download/page/id/3.html)） 或 树莓派3B（[Raspbian Buster with desktop](https://www.raspberrypi.org/downloads/raspbian/)），暂时验证了这两个软、硬件环境，其它平台用户可自行尝试；
@@ -57,7 +59,7 @@ $ git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo
     * 通过USB连接Android手机或开发板；
     * 载入工程后，点击菜单栏的Run->Run 'App'按钮，在弹出的"Select Deployment Target"窗口选择已经连接的Android设备，然后点击"OK"按钮；
     * 由于Demo所用到的库和模型均通过app/build.gradle脚本在线下载，因此，第一次编译耗时较长（取决于网络下载速度），请耐心等待；
-    * 如果库和模型下载失败，建议手动下载并拷贝到相应目录下：1) [paddle_lite_libs.tar.gz](https://paddlelite-demo.bj.bcebos.com/libs/android/paddle_lite_libs_v2_1_0.tar.gz)：解压后将java/PaddlePredictor.jar拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs，将java/libs/armeabi-v7a/libpaddle_lite_jni.so拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so，将java/libs/armeabi-v8a/libpaddle_lite_jni.so拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so 2）[mobilenet_v1_for_cpu.tar.gz](https://paddlelite-demo.bj.bcebos.com/models/mobilenet_v1_fp32_224_for_cpu_v2_1_0.tar.gz)：解压至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/assets/models/mobilenet_v1_for_cpu 3）[mobilenet_v1_for_npu.tar.gz](https://paddlelite-demo.bj.bcebos.com/models/mobilenet_v1_fp32_224_for_npu_v2_1_0.tar.gz)：解压至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/assets/models/mobilenet_v1_for_npu 4）[ssd_mobilenet_v1_pascalvoc_for_cpu.tar.gz](https://paddlelite-demo.bj.bcebos.com/models/ssd_mobilenet_v1_pascalvoc_fp32_300_for_cpu_v2_1_0.tar.gz)：解压至Paddle-Lite-Demo/PaddleLite-android-demo/object_detection_demo/app/src/main/assets/models/ssd_mobilenet_v1_pascalvoc_for_cpu ；
+    * 对于图像分类Demo，如果库和模型下载失败，建议手动下载并拷贝到相应目录下：1) [paddle_lite_libs.tar.gz](https://paddlelite-demo.bj.bcebos.com/libs/android/paddle_lite_libs_v2_1_0.tar.gz)：解压后将java/PaddlePredictor.jar拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs，将java/libs/armeabi-v7a/libpaddle_lite_jni.so拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so，将java/libs/armeabi-v8a/libpaddle_lite_jni.so拷贝至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so 2）[mobilenet_v1_for_cpu.tar.gz](https://paddlelite-demo.bj.bcebos.com/models/mobilenet_v1_fp32_224_for_cpu_v2_1_0.tar.gz)：解压至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/assets/models/mobilenet_v1_for_cpu 3）[mobilenet_v1_for_npu.tar.gz](https://paddlelite-demo.bj.bcebos.com/models/mobilenet_v1_fp32_224_for_npu_v2_1_0.tar.gz)：解压至Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/assets/models/mobilenet_v1_for_npu
     * 在图像分类Demo中，默认会载入一张猫的图像，并会在图像下方给出CPU的预测结果，如果你使用的是麒麟810或990芯片的华为手机（如Nova5系列），可以在右上角的上下文菜单选择"Settings..."打开设置窗口切换NPU模型进行预测；
     * 在图像分类Demo中，你还可以通过上方的"Gallery"和"Take Photo"按钮从相册或相机中加载测试图像；
 
@@ -84,67 +86,77 @@ $ git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo
 
 ## 更新到最新的预测库
 * Paddle-Lite项目：https://github.com/PaddlePaddle/Paddle-Lite
-* 参考 [Paddle-Lite文档](https://github.com/PaddlePaddle/Paddle-Lite/wiki)，编译IOS预测库或者Android预测库
+* 参考 [Paddle-Lite文档](https://github.com/PaddlePaddle/Paddle-Lite/wiki)，编译IOS预测库、Android和ARMLinux预测库
 * 编译最终产物位于 `build.lite.xxx.xxx.xxx` 下的 `inference_lite_lib.xxx.xxx`
 ### IOS更新预测库
 * 替换库文件：产出的`lib`目录替换`Paddle-Lite-Demo/PaddleLite-ios-demo/ios-classification_demo/classification_demo/lib`目录
 * 替换头文件：产出的`include`目录下的文件替换`Paddle-Lite-Demo/PaddleLite-ios-demo/ios-classification_demo/classification_demo/paddle_lite`目录下的文件
-
 ### Android更新预测库
-* 仅支持CPU
-  * 替换jar文件：将PaddleLite编译生成的build.lite.android.xxx.gcc/inference_lite_lib.android.xxx/java/jar/PaddlePredictor.jar替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs/PaddlePredictor.jar
-  * 替换arm64-v8a jni库文件：将Paddle-Lite编译生成build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
-  * 替换armeabi-v7a jni库文件：将Paddle-Lite编译生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
-
-* 支持CPU和NPU
-  * 替换jar文件：将PaddleLite编译生成的build.lite.npu.android.xxx.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.xxx.npu/java/jar/PaddlePredictor.jar替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs/PaddlePredictor.jar
-  * 替换arm64-v8a jni库文件：将Paddle-Lite编译生成build.lite.npu.android.armv8.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.armv8.npu/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
-  * 替换armeabi-v7a jni库文件：将Paddle-Lite编译生成的build.lite.npu.android.armv7.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.armv7.npu/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
-
-  编译支持NPU的jni库，需要在Paddle-Lite源码下使用$ ./lite/tools/build_npu.sh --arm_abi=armv8 tiny_publish命令编译生成armv64-v8a的libpaddle_lite_jni.so，armeabi-v7a的libpaddle_lite_jni.so请将编译命令中的--arm_abi=armv8改为--arm_abi=armv7，但由于华为最新的DDK库并没有发布，可能无法完成相关编译工作，因此，如果想使用NPU功能，强烈建议使用demo中自带的libpaddle_lite_jni.so和HIAI DDK库；
-
-### ARMLinux
+* 替换jar文件：将生成的build.lite.android.xxx.gcc/inference_lite_lib.android.xxx/java/jar/PaddlePredictor.jar替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs/PaddlePredictor.jar
+* 替换arm64-v8a jni库文件：将生成build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
+* 替换armeabi-v7a jni库文件：将生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
+### ARMLinux更新预测库
 * 替换头文件目录，将生成的cxx中的`include`目录替换`Paddle-Lite-Demo/PaddleLite-armlinux-demo/Paddle-Lite/include`目录；
 * 替换armv8动态库，将生成的cxx/libs中的`libpaddle_light_api_shared.so`替换`Paddle-Lite-Demo/PaddleLite-armlinux-demo/Paddle-Lite/libs/armv8/libpaddle_light_api_shared.so`；
 * 替换armv7hf动态库，将生成的cxx/libs中的`libpaddle_light_api_shared.so`替换`Paddle-Lite-Demo/PaddleLite-armlinux-demo/Paddle-Lite/libs/armv7hf/libpaddle_light_api_shared.so`；
 
 ## 效果展示
 
 * iOS
-    * mobilenetv1 目标分类
+    * 基于MobileNetV1的图像分类
 
-    ![ios_static](doc/ios_static.jpg)      ![ios_video](doc/ios_video.jpg)
+    ![ios_static](https://paddlelite-demo.bj.bcebos.com/doc/ios_static.jpg)      ![ios_video](https://paddlelite-demo.bj.bcebos.com/doc/ios_video.jpg)
 
-    * mobilenetv1-ssd 目标检测
+    * 基于MobileNetV1-SSD的目标检测
 
-    ![ios_static](doc/ios-image-detection.jpg)      ![ios_video](doc/ios-video-detection.jpg)
+    ![ios_static](https://paddlelite-demo.bj.bcebos.com/doc/ios-image-detection.jpg)      ![ios_video](https://paddlelite-demo.bj.bcebos.com/doc/ios-video-detection.jpg)
 
 * Android
-    * mobilenetv1 目标分类
+    * 基于MobileNetV1的图像分类
 
       - CPU预测结果（测试环境：华为nova5）
 
-      ![android_image_classification_cat_cpu](doc/android_image_classification_cat_cpu.jpg)      ![android_image_classification_keyboard_cpu](doc/android_image_classification_keyboard_cpu.jpg)
+      ![android_image_classification_cat_cpu](https://paddlelite-demo.bj.bcebos.com/doc/android_image_classification_cat_cpu.jpg)      ![android_image_classification_keyboard_cpu](https://paddlelite-demo.bj.bcebos.com/doc/android_image_classification_keyboard_cpu.jpg)
 
       - NPU预测结果（测试环境：华为nova5）
 
-      ![android_image_classification_cat_npu](doc/android_image_classification_cat_npu.jpg)      ![android_image_classification_keyboard_npu](doc/android_image_classification_keyboard_npu.jpg)
+      ![android_image_classification_cat_npu](https://paddlelite-demo.bj.bcebos.com/doc/android_image_classification_cat_npu.jpg)      ![android_image_classification_keyboard_npu](https://paddlelite-demo.bj.bcebos.com/doc/android_image_classification_keyboard_npu.jpg)
 
-    * mobilenetv1-ssd 目标检测
+    * 基于MobileNetV1-SSD的目标检测
 
       - CPU预测结果（测试环境：华为nova5）
 
-      ![android_object_detection_dog_npu](doc/android_object_detection_dog_cpu.jpg)
+      ![android_object_detection_npu](https://paddlelite-demo.bj.bcebos.com/doc/android_object_detection_cpu.jpg)
 
       - NPU预测结果（测试环境：华为nova5）
 
       待支持
 
+    * 基于Ultra-Light-Fast-Generic-Face-Detector-1MB的人脸检测
+
+      - CPU预测结果（测试环境：华为nova5）
+
+      ![android_face_detection_cpu](https://paddlelite-demo.bj.bcebos.com/doc/android_face_detection_cpu.jpg)
+
+      - NPU预测结果
+
+      待支持
+
+    * 基于DeeplabV3+MobilNetV2的人像分割
+
+      - CPU预测结果（测试环境：华为nova5）
+
+      ![android_human_segmentation_cpu](https://paddlelite-demo.bj.bcebos.com/doc/android_human_segmentation_cpu.jpg)
+
+      - NPU预测结果
+
+      待支持
+
 * ARMLinux
-     * mobilenetv1 目标分类
+     * 基于MobileNetV1的图像分类
 
-     ![armlinux_image_classification_raspberry_pi](doc/armlinux_image_classification.jpg)
+     ![armlinux_image_classification_raspberry_pi](https://paddlelite-demo.bj.bcebos.com/doc/armlinux_image_classification.jpg)
 
-     * mobilenetv1-ssd 目标检测
+     * 基于MobileNetV1-SSD的目标检测
 
-     ![armlinux_object_detection_raspberry_pi](doc/armlinux_object_detection.jpg)
+     ![armlinux_object_detection_raspberry_pi](https://paddlelite-demo.bj.bcebos.com/doc/armlinux_object_detection.jpg)